Agentic开发时代到来！鸿蒙PC三大原生开发工具公测，补齐国产操作系统生态关键短板
智东西
作者 | 程茜
编辑 | 漠影
当一台鸿蒙PC，既能跑鸿蒙应用，又能原生开发鸿蒙应用，会发生什么？
智东西10月10日报道，10月8日，可视化一站式IDE工具DevEco Studio、一站式鸿蒙应用AI开发工具DevEco Code与AI开发能力套件DevEco CLI，同步开启鸿蒙PC版公测。
三者分工明确：DevEco Studio主打集成开发、多端调试，承担基础IDE核心能力；DevEco Code提供端到端一站式Agentic开发体验；DevEco CLI对外输出鸿蒙开发能力，可无缝对接外部各类Agent工作流，让 AI 辅助开发融入鸿蒙 PC 原生环境。
DevEco三件套全部就位，意味着AI辅助开发正式落地鸿蒙PC原生体系。
这套原生开发工具全面公测，背后是华为鸿蒙HarmonyOS 6、HarmonyOS 7 硬件终端规模已突破 9000 万，市场对优质应用、智能Agent应用的需求持续爆发。
如今一套智能轻量化的鸿蒙PC开发范式浮出水面。面对高速增长的终端市场，工具链的升级，正在解锁Agentic应用新可能，缩短开发者从创意想法到应用上架的周期。
鸿蒙PC也由此从应用运行终端，进化为鸿蒙应用原生开发工作站，鸿蒙生态补齐一块关键拼图。
一、DevEco Studio：底座+AI+调测三重优化，打造鸿蒙一体化可视化IDE闭环
IDE工具是开发者的核心生产底座，一套成熟好用的集成开发环境需要把编码、编译、调试、性能分析等环节打通。
此次，鸿蒙PC版可视化一站式IDE工具DevEco Studio从邀测转为公测，针对传统开发工具存在的各类短板与使用痛点，全新DevEco Studio围绕鸿蒙PC原生开发场景进行了优化。
首先，传统IDE在实际开发中会面临启动速度慢、内存占用高的问题，长时间编程会发生卡顿、闪退现象。再加上代码编写与故障排查依靠人工处理，智能补全、问题定位手段有限，会影响开发效率。
为此，DevEco Studio依托华为自研毕方（BitFun）技术底座，支持快速启动和低资源占用，同时搭载智能补全、错误提示、断点调试与内存分析等能力，以优化日常开发工作的稳定性。
其次，在AI开发层面，现有方案存在能力与编程环境割裂的问题。开发者需要在IDE和各类外部AI工具之间来回切换，难以打通完整开发闭环。
DevEco Studio此次新增集成了DevEco Code。开发者在DevEco Studio内即可使用鸿蒙领域知识、工具与Skills，开展需求分析、方案设计、代码生成及验证修复，将Agentic智能开发能力直接嵌入原生工作流。
最后，多端调试也是以往开发过程中的一大负担。开展多端适配验证时，开发者通常需要安装体积庞大的模拟器，面对多形态设备测试还要频繁切换设备或实例，代码每完成一次修改，就要重复多轮验证。
借助自定义虚拟设备工具，DevEco Studio无需安装模拟器或仿真环境，就能在鸿蒙PC上秒级启动并调试手机、平板版本的鸿蒙应用。
与此同时，其窗口可自由切换手机、平板、折叠屏等设备形态，并支持多窗口并行。一次代码修改，便能在多个窗口同步校验效果，降低多端适配的重复工作量。
▲支持多设备并行调试
总的来看，DevEco Studio从底层底座、智能开发、调测体验三层完成优化，减少开发者在工具切换、环境部署、重复适配上消耗的无效成本，让开发者把更多精力聚焦于业务本身。
二、DevEco Code：三大模式覆盖开发全流程，打造可控的AI开发大脑
第二大公测工具是面向鸿蒙应用、开箱即用的AI Agent一站式开发工具DevEco Code。
AI辅助编程工具早已不是新鲜事物，如今这些工具不仅要生成代码片段，还要解决落地跑通难题。
DevEco Code的核心差异，在于把AI能力同鸿蒙开发生态打通，其内置模型服务并集成鸿蒙知识体系、Skills与MCP工具。
在Agent开发中的一大准则是，开发效率和安全可控同等重要。
此前，AI编程工具的后续落地验证仍需要人工把关。当AI自主编辑代码时，容易产生非预期变更，并且后续开发者的审核成本也不低，会存在回退麻烦、问题排查耗时等痛点，很多情况开发者会面临AI写代码一分钟，人工排错两小时的情况。
针对上述痛点，DevEco Code的策略是采用Goal、Plan、Build分层可控的开发模式：
Plan+Build模式：开发者先审阅方案，确认后再授权执行，对未知改动零容忍，保障每一步执行可控；Goal模式：直接依据需求Spec文档生成代码，自动完成验证与缺陷修复，直至开发目标达成。
这样一来，开发者可以选择不同模式适配不同复杂度的开发任务，同时兼顾方案规划、人机协同开发与执行效率等多重诉求。
不止于代码生成，DevEco Code还可自主完成代码编译、应用运行以及功能验证，将大量重复的检查、修复工作交由自动化流程处理。
DevEco Code让开发从生成代码走向交付可运行的应用，相当于为开发者配备了一颗足够智能、全程可控的AI开发大脑，这也是AI开发工具的真正价值所在。
三、DevEco CLI：提供70余项Skills，开放鸿蒙全套能力供Agent调用
第三款公测工具是DevEco CLI，可以将其理解为AI可调用的命令行执行手脚。
在AI Agent开发的实际落地过程中，不同Agent工具的调用规范各不相同，想要让AI掌握鸿蒙完整开发能力，开发者往往需要手动配置大量环境、导入零散文档、编写各类适配脚本，配置繁琐、迁移成本高，难以直接复用已有开发工作流。
鸿蒙PC版DevEco CLI，直接将HarmonyOS工具集、官方知识库和70余项Skills封装为适合AI调用的命令行接口，兼容各类AI Agent接入，打破大模型与本地开发环境之间的壁垒，让开发者在已有工作流中即可开展鸿蒙应用开发。
具体来看，DevEco CLI的核心优势在于降低上手门槛与工程能力，同时做到易用、好用。
一行init命令，即可把配套的DevEco CLI Skills批量安装到本机多个Agent工具中。简单配置后，Agent就能掌握调用DevEco CLI的能力，一键打通鸿蒙应用开发全链路。
DevEco CLI内置工程创建、语法检查、编译构建、推包运行、应用交互等全套能力，同时支持主流AI编程Agent集成。开发者不用更换熟悉的开发环境，就能完成鸿蒙应用的完整开发工作。
此外，其内置完整的鸿蒙开发指南、API参考、最佳实践、常见问题、版本说明与变更预告。高质量官方语料能让AI Agent真正读懂鸿蒙体系，输出更贴合规范的方案。
DevEco CLI中的超70个Skills，能覆盖多设备适配开发、知识检索、ArkTS语法、应用质量等场景，将专业知识转化为具体工作可执行的步骤。
本质上来看，DevEco CLI就是把鸿蒙整套开发能力，打包成AI可调用的标准化命令接口，让开发者不必迁移开发习惯，在原有工作流中就能完成鸿蒙应用开发。
四、底座、大脑、执行手脚协同，DevEco三件套重构鸿蒙开发模式
上述公测的DevEco Studio、DevEco Code、DevEco CLI三款工具各司其职、深度协同，构建起鸿蒙生态独一无二的全链路智能化开发体系，重构鸿蒙开发模式。
DevEco Studio提供稳定流畅的可视化开发底座与操作环境，DevEco Code承担智能分析、方案生成、研发决策的核心大脑功能，DevEco CLI负责自动化执行、能力落地。
这些工具的联动既能惠及更多开发者、提效研发，还能进一步反哺鸿蒙生态。
三大工具协同联动、简单易用，可满足新手、个人开发者、企业团队、自动化研发场景等各类用户需求，降低鸿蒙PC应用的开发门槛与整体研发成本，让不同层级、不同规模的开发者都能高效参与鸿蒙生态创作。
从研发的维度来看，三款工具联动、能力互通，能打破工具孤岛，告别AI编程“代码生成容易落地难”的困境，在大幅提升研发效率的同时，规避开发漏洞，进一步提升项目的稳定性与规范性。
这对鸿蒙生态的繁荣价值在于，这套标准化、智能化、自动化的工具组合，补齐了鸿蒙开发生态的智能基础设施短板，不再是单点工具的效率提升，而是为整个鸿蒙应用、元服务生态沉淀一套可复用、可迭代、全覆盖的智能研发体系。
三大工具的全面公测是一次鸿蒙开发范式的升级，核心价值在于让每一位鸿蒙开发者，都能够以更低成本、更高效率、更高质量完成应用与元服务创作。
结语：操作系统原生工具链，才是AI辅助开发的最优解？
从行业趋势来看，当下多数 AI 编程工具在完成代码输出后，编译、调测、多端验证、问题回退仍需开发者手动完成，AI 无法真正介入完整工程链路；在垂直系统领域，还面临专业知识库缺失、工具调用不兼容等现实障碍。此次DevEco三件套公测，把鸿蒙系统知识、开发经验、调测能力整体封装进工具链内部，实现从需求拆解、方案规划、代码生成，到编译构建、多端验证的端到端闭环。
在操作系统生态竞争中，当开发者工具链能够同时覆盖新手、独立开发者、企业团队、自动化工程等多元场景，将直接加速应用与元服务的供给，为鸿蒙生态的持续扩容打下基础。
News is gathered automatically from public robotics & AI feeds on a schedule.
Related
Why dexterity is physical AI’s real bottleneck
The next major challenge in robotic dexterity is making the entire system reliable enough to turn capabilities into useful work. The post Why dexterity is physical AI’s real bottleneck appeared first on The Robot Report .
编程体验接近Opus 5.5？谷歌Gemini 4新版本曝光
智东西 编译 | 杨京丽 编辑 | 李水青 智东西10月10日消息，今日，据外媒Business Insider报道，谷歌正在 内部测试Gemini 4的一个新版本 ，代号为 Carbon ，有望进一步缩小其与竞争对手在编程能力上的差距。 目前，Carbon已接入谷歌内部编程平台Jetski。部分员工认为，该模型的编程体验 与Claude Opus 5.5近似 ，但有员工强调，模型实际需要进行更多测试，才能作出更准确的判断。 谷歌已于10月1日发布Gemini 4 Argon ，重点面向 软件工程、企业知识工作、网络安全防御等场景 ，目前该模型尚未面向公众推出。 Carbon可能是Argon训
2026中国计算机大会定了，12位院士演讲，腾讯阿里百度、小米京东都来了
智东西 作者 | 王涵 编辑 | 云鹏 智东西10月10日报道，今天，第二十三届中国计算机大会（CNCC2026）新闻发布会在京举行，智东西等媒体受邀参加。 据介绍，CNCC2026将于 10月21日至24日 在四川成都举办，主会场设于中国西部国际博览城和天府国际会议中心，大会主题为 “数聚驱动，智算未来” 。 本届大会共设 17场特邀报告、3场大会论坛、167个专题论坛及40余场专题活动 ，同期还将举办CCF计算机展览会。 其中，专题论坛演讲者有 789位 ， 院士级演讲者有12位 ，来自腾讯、阿里、百度、小米、京东等企业专家达 92位 。 专题论坛围绕 11大主题 领域展开，包括：AI基础
00后硕士揭开AI推理“黑科技”：两个Token，基模追平强化学习版本
智东西 作者 | 杨京丽 编辑 | 李水青 智东西10月10日报道，一项来自麻省理工学院（MIT）等机构的研究发现， 只要固定基础模型回答开头的两个Token，就能让模型的数学推理成绩接近对应的强化学习版本 。 以艾伦人工智能研究所（Ai2）的基础模型Olmo-3-7B为例， 将回答固定为“.\n\nOkay”开头 后，模型在MATH-500上的 准确率从42%升至78% ， 超过其强化学习版本的75% 。 这个过程没有修改模型参数，也没有给模型增加新的解题示例。模型只是换了一个回答起点，原本没有稳定表现出来的解题能力，似乎就更容易被调用出来。 换句话说，基础模型答错题，有时不一定是完全不会做
好产品就是与时代和生活共振｜2026 年度极客最爱好物启动
一件好产品，往往是在用过一段时间之后，才让人意识到它的好。出门时顺手带上，遇到事情时首先打开，或者因为有了它，愿意尝试一件过去觉得麻烦的事。这样的产品，值得被分享给更多人。 2026 年，我们把寻找好产品的目光，投向更丰富的形态。能协助完成任务的 AI 应用、戴在身上的智能设备，以及尝试在真实环境中干活的机器人，都进入了今年的选品视野。技术提供了新的可能，具体的产品体验，决定了人们愿不愿意把它们带进生活。 我们关注产品解决了什么问题，也在意使用它要付出多少学习和操作成本。一款创作工具，可以让想法更容易实现；一件有趣的小设备，也可以只负责让人开心。我们同样欢迎那些在设计、手感或某个小细节上做得出
记录生生不息的创新力量｜2026 年度「InnoForce 50」启动
过去几年，科技行业最重要的变化之一，是创新的底层逻辑正在被重新改写。 到了 2026 年，AI 已经不只是技术变量，而成为影响产品形态和组织方式的关键变量。它开始进入办公室、工厂、汽车、机器人、医院等场景，也进入了许多过去并不处在科技叙事中心的行业。它改变软件，也反过来改变硬件；改变一个人的工作方式，也改变一家公司的组织方式。 但 AI 不是全部。真正值得被记录的，是当 AI 成为新变量之后，整个创新世界被重新点燃了。 有人从 AI 出发，做出了过去不存在的产品；有人把 AI 带进传统行业，去解决那些卡了十年、二十年的老问题；有人重新思考人与机器的关系，让机器不只是工具，而是执行者，甚至某种意